💿 Data/부트캠프

[TIL]1.Exploratory Data Analysis(EDA)

데이터셋 불러오기 import pandas as pd pd.read_csv('') 데이터셋 간단하게 확인 첫번째부터 다섯번째 row 확인(실제 데이터를 대략 체크할 때 아주 자주 사용됨) 걍 시도때도 없이 사용됨 df.head() 데이터셋 모양 확인(df의 행과 열 갯수, 구조를 간단하게 튜플 보여줌) df.shape EDA(Exploratory Data Analysis) 아주 중요한 개념쓰 우리가 지인으로부터 생선 선물을 받았다. 이제 이걸 어떻게 할까. 쪄먹을까 탕해먹을까 아니면 풀어줄까 뭐 어떻게 할까 생선에 독은 없을까 먹을 수 없는 부분은 있나 생선이 맞긴 해? 요리하기 위한 여러 가정 ex)신선하면 회도 가능하다! 와 같이 데이터도 이리저리 결측치는 있는지, 뭐 데이터 크기는 어떤지, 칼럼별로..

[TIL]6.Hypothesis Test

Hypothesis Test 기술 통계치(descriptive Statistics)란 count, mean, standard dev, min, 1Q, median, 3Q, max 등의 데이터를 설명하는 통계치기술 통계치의 시각화 Boxplot Bagplot(가방처럼 생김, 난해해서 잘 쓰이진 않는다.) Violinplot(박스플롯에서 데이터 분포까지 보여준다. 개인적으로 가장 맘에 드는 플랏) 기술 통계치 보는 코드이외에도 Mode, Range, Var / SD, Kurtosis(첨도), Skewness(왜도) 등이 있다리~ df.describe() 추리 통계치(Inferential Statistics)란 Population, Parameter ,Statistics, Estimator, Standard ..

[TIL]5.코드스테이츠 AI 스프린트 챌린지

코드스테이트 AI 부트캠프 첫 스프린트 챌린지 문제는 공개하면 안될 것 같아 다시 복습하는 의미로 작성 Data Preprocessing & Exploratory Data Analysis Data Preprocessing 데이터 로드 import pandas as pd df = pd.read_csv('') 결측치 여부 체크 df.isna() 스캐터 플랏 그리기 df.plot.scatter('a', 'b') 여기서 a와 b는 df의 각 컬럼 join data df.drop(columns='') 해당하는 칼럼 버리기 df1.merge(df2, how = '', on ='') df1을 기준으로 df2를 합친다. how에는 합치는 방법(구글링해보기), on에는 합칠 때 기준이 되는 칼럼 Feature Engin..

00. 부트캠프에 들어가기에 앞서

1. 동기-내가 데이터 사이언스를 시작한 이유 이 분야가 앞으로 정말 유망할 것이고 이 공부를 하지 않으면 미래에 내가 후회할 것 같아서 한가지 걱정되는 것은, 내가 이 분야가 안맞는 사람일 수도 있다는 것과 내가 나이가 들수록 이 분야에서 경쟁력이 없어질 수 있다는 것 그러나 이 분야도 결국엔 경험이 쌓이면 더 유리하고 더 좋은 포지션을 가져갈 수 있을 것이다. 또한, 이 분야를 공부하면 또다른 분야에 혁신을 가져올 수 있을 것이라 믿기 때문에. 예를 들어 나는 정의로운 일을 하고 싶다면, 이 분야를 공부해서 CV 쪽으로 범죄자를 잡는데 ML,DL을 사용한다든지 혹은 스마트팜에 관심이 있다면 그 쪽에 적용할 수 있다든지..! 뭔가 사람을 도울 수 있는 분야에 적용하고 싶다. 특히 사회적 약자들에게 도움..